NVIDIA GPU Cloud 加速医学影像机器学习模型开发和应用部署

NVIDIA GPU Cloud 加速医学影像机器学习模型开发和应用部署

时间:2019年01月26日 15:37
 
 
活动内容

医学影像是深度学习等人工智能相关技术在医疗健康领域应用最为迅猛的方向,作为深耕医学影像领域多年,长期关注技术趋势的企业,翼展在2016年也开始进行医学影像人工智能应用的研发。当时公有云厂商能够提供GPU实例的还非常少,并且性价比不太高,于是又走了一遍自己采购硬件搭建服务器的老路。
 
先是配置了一台双 Titan X卡的工作站小试牛刀,按照网上的教程一步步安装 ubuntu, NVIDIA显卡驱动程序,CUDA, cuDNN,最后编译Cafe的时候发现库版本不对,又折腾了一圈重来。
 
差不多捣鼓了一个礼拜才开始正式训练模型。后来上ー个8卡的服务器,不敢再自己折腾了,操作系统和底层驱动都让第三方厂商给配置好。
 
然而随着人员的增加,一方面机时分配不过来;另一方面机器学习框架的快速送代,各种不同模型依赖的框架和库版本都不太一样,导致非常难于管理。
 
尤其是2017年翼展开始布局医学影像人工智能开放协作平台后,我们需要部署的机器学习应用越来越多,手工方式的落后管理必然要被工程化管理所取代。
 
虽然这个时候工程团队已经拥抱 DevOps,有了 Docker的运维经验,不过管理GPU云上实例及各种机器学习框架不同版本仍然是一个噩梦一一直到NGC(NVIDIA GPU Cloud)的出现才真正解决上述烦恼。
 
 
欲了解NVIDIA GPU Cloud 如何加速医学影像机器学习模型开发和应用部署,请点击下载文档查看详细内容。
订阅英伟达 NVIDIA 技术月刊
输入电子邮件,订阅 NVIDIA 加速计算或深度学习电子月刊
订阅